前两天收到公司邮件，说在我的电脑上发现了anaconda的进程，商业软件需要付费，为了软件合规，让我卸载掉。我就借这个机会写个简单的教程。
Anaconda是一个Python的发行版 ，主要集中在科学计算的用途上，主要有三点优势：
- 打包了很多科学计算的常用库，比如numpy
- 开发了conda这个环境管理工具，可以很方便地创建虚拟环境，管理多个Python版本，同时安装conda维护的库
- 维护了很多科学计算相关的库，而且都是编译好的二进制库，相比于pip的库，有时候更加方便，比如conda会帮你把很多c语言的库编译好直接装，很省事
我上网搜了一下，Anaconda确实变更了他们的授权政策，之前个人版可以用作商业用途，现在不行了。大规模商业公司的用户必须得缴费，小规模的商业用途仍然可以使用个人版(200人以下)。
我估摸着这个公司其实查的也没有那么严，属于睁一只眼闭一只眼，甚至是睁一只眼闭九只眼的状态，但是公司为了完全合规还是让我们卸载掉了这个软件。
(话说为什么不能出钱给我们买?)
其实Anaconda倒不是因为软件收费，他收费的主要对象是conda包的在线服务，也就是你从他们的服务器上下载库的话收费，单单使用conda这个软件并不收费。
然而，我用conda的场景偏偏就需要从他们的服务器上下载包，因为我主要就是管理多个python版本，这个是需要下载二进制文件的。
所以，虽然但是，我还是在不舍中卸载了，然后开始寻找替代方案。
结论是：
- 如果只需要使用一个版本的Python，但是需要多个虚拟环境，用venv
- 如果需要用到多个版本的Python和虚拟环境，并且可以方便来回切换，用pyenv
Python中的虚拟环境是一个很有用的功能，可以建立多个互不干扰的空间，每个空间中安装的包都是相互独立的。之所以有这个需求，是因为不同的软件依赖的包的版本是不一样的。
比如，你有一套源代码依赖TensorFlow 1.0和python3.5，然后你又下载了别人的源代码，依赖TensorFlow 2.0和python3.6，如果没有虚拟环境就很麻烦，因为Python不能安装不同版本的库到同一个环境中。但是你可以创建两个不同的Python环境，这个时候就能完美运行两套代码，互不干涉了。
下面稍微写一下conda pyenv venv的基本使用教程。
conda
用conda创建虚拟环境的命令如下
conda create -n new_env python=3.8 numpy
其中-n new_env的意思是指定新环境的名字，这里叫new_env，python=3.8是指定python的版本，numpy是指创建环境的时候你想安装的包，可以写不止一个，也可以不写，等到创建完成了再安装。
创建完成之后，你可以通过conda activate来激活某个环境
conda activate new_env
conda的环境默认都是安装在anaconda的根目录下面，比如我的anaconda安装在/home/user/anaconda下，那么刚刚的环境就在home/user/anaconda/envs/new_env中
conda的优势在于，可以选择python版本，而且不管是不同版本的Python解释器，还是对应的包，他提供都是编译好的二进制文件，下载下来就可以直接用，不用自己编译。用pyenv也能管理多个版本，但是需要自己编译，虽然自己编译更自由，但是也需要更多技巧。
conda的缺点是，依赖计算很慢，所以安装会更久，而且网络对国内用户不太友好。
venv
venv的用法很简单
python3 -m venv my-env
这样就创建完成了一个新虚拟环境，叫my-env，跟conda不同的是，这个my-env是放在你运行这条命令的目录下面。
创建完成之后，还需要激活，运行下面的命令激活
source my-env/bin/activate
venv的局限性在于，只能用当前的Python版本
pyenv
pyenv可以用来管理多个python环境，用起来比conda稍微复杂一点点。
麻烦在哪呢?它需要下载Python的源代码自己编译，而conda都是下载好的二进制，可以直接用。我用pyenv安装python3.6的时候就遇到了编译错误，然后设置了build flag才解决。
安装某个版本：pyenv install 3.6.15
设置默认版本：pyenv global 3.6.15
装完之后就能再配合venv创建虚拟环境了。
pyenv其实自带了一个virtualenv命令，类似于conda，可以在创建虚拟环境的时候指定版本，比如
pyenv virtualenv 3.6.15 new_env
但是需要你先安装对应版本的python。
以上基本上就涵盖了Python创建和使用虚拟环境的几种方法。
